Ding CHEN soutient sa thèse de doctorat le mercredi 25 juin 2025 à 14h30, salle 334 du bâtiment IBGBI, Université Évry Paris-Saclay.
La séance est également diffusée en ligne, via le lien : https://univ-evry-fr.zoom.us/j/98096729795?pwd=QbFz5VgZvpM5wmQN0e7trGlkFlrazz.1 .
Titre: Conception et optimisation d’une chaîne logistique agroalimentaire à boucle fermée sous incertitude.
Résumé
La chaîne logistique agroalimentaire à boucle fermée avec emballages réutilisables (CLABF-EU) est un domaine important de l’économie circulaire. L’étude de la littérature permet d’identifier plusieurs lacunes dans ce domaine, comme suit: (i) aucune étude n’explore une stratégie de partage d’emballages réutilisables pour la CLABF-EU, malgré ses applications dans de nombreux secteurs et sa capacité potentielle à améliorer les performances de la chaîne logistique; (ii) aucune étude n’examine la conception de la CLABF-EU sous incertitude, bien que la localisation de sites ou l’incertitude puissent avoir un impact conjointement sur l’efficacité de la chaîne logistique; et (iii) la gestion des risques de la CLABF-EU en cas de perturbations reste inexplorée. Pour combler ces lacunes, cette thèse étudie trois nouveaux problèmes de la gestion de la CLABF-EU.
Premièrement, un nouveau problème intégré de production et de transport pour la CLABF avec partage d’EU est étudié, impliquant plusieurs fabricants et détaillants. Le problème consiste à déterminer les quantités de production, de transport et de stocks sur un horizon temporel afin de maximiser le profit total de la chaîne logistique. Pour ce problème, un modèle de programmation linéaire mixte en nombres entiers (MILP) est proposé, et un algorithme heuristique en deux phases est développé. Des expérimentations numériques avec une étude de cas et 225 instances générées aléatoirement sont conduites pour évaluer la performance du modèle et de l’algorithme proposés.
Deuxièmement, un problème de conception de la CLABF-EU sous incertitude impliquant plusieurs fabricants et détaillants est étudié, dans lequel seules des informations partielles sur les paramètres incertains sont supposées disponibles, c’est-à-dire la moyenne, l’écart type et les bornes inférieures et supérieures des paramètres incertains sont connues. Le problème consiste à déterminer la localisation des fabricants tout en coordonnant les flux de produits et des emballages réutilisables (EU). L’objectif est de minimiser le coût total espéré dans une perspective de pire cas. Pour ce problème, un modèle de distributionally robust chance-constrained programming (DRCCP) a été construit. Sur la base des propriétés du problème obtenues, le modèle DRCCP est approximativement transformé en modèle MILP. Un algorithme de relaxation lagrangienne amélioré est ensuite conçu. Des expérimentations sur 160 instances générées aléatoirement démontrent les performances du modèle et de l’algorithme proposé. Enfin, des perspectives de gestion sont obtenues via une analyse de sensibilité.
Troisièmement, un nouveau problème d’amélioration de la résilience de la CLABF-EU à trois échelons intégrant la réconciliation homme-machine et la redondance des stocks d’EU est étudié, dans lequel la demande incertaine ainsi que les capacités de production et de manutention incertaines causées par des perturbations sont représentées par des ensembles d’ambiguïté basés sur les moments statistiques. Le problème consiste à déterminer de manière optimale les stratégies de résilience et à coordonner efficacement les flux de produits et d’EU. L’objectif est de minimiser le coût total espéré dans une perspective de pire cas. Le problème est formulé sous forme d’un nouveau modèle DRCCP, transformé ensuite en un modèle MILP équivalent grâce aux propriétés identifiées. Une étude de cas est menée pour fournir des perspectives de gestion. Pour traiter des instances de grande taille, un algorithme amélioré de relaxation-et-fixation (RF) est développé. Les résultats numériques sur 240 instances générées aléatoirement démontrent la performance de l’algorithme RF amélioré.
Composition du jury de thèse/Composition of the doctoral thesis jury
| Membre du jury | Titre | Lieu d’exercice | Fonction dans le jury |
|---|---|---|---|
| Feng CHU | Professeure des Universités | Université Évry Paris-Saclay | Directrice de thèse |
| Kaizhou GAO | Maître de conférences | Macau University of Science and Technology | Examinateur |
| Nadia HAMANI | Professeure des Universités | Université de Picardie Jules Verne | Examinatrice |
| Imed KACEM | Professeur des Universités | Université de Lorraine | Examinateur |
| Issam NOUAOURI | Maître de conférences HDR | Université d’Artois | Rapporteur |
| Lijun TIAN | Professeure | Université Fuzhou | Co-directrice de thèse |
| Fuqing ZHAO | Professeur | Lanzhou University of Technology | Rapporteur |
Ding CHEN defends his doctoral thesis on Wednesday June 25, 2025 at 2:30 pm, room 334 of the IBGBI building, Évry Paris-Saclay University.
The session is also available online, via the link: https://univ-evry-fr.zoom.us/j/98096729795?pwd=QbFz5VgZvpM5wmQN0e7trGlkFlrazz.1 .
Title: Design and optimization of a closed-loop agri-food supply chain under uncertainty
Abstract:
The closed-loop food supply chain with returnable transport items (CLFSC-RTI) is an important domain of the circular economy. The literature review identifies several research gaps, as follows: (i) no study explores an RTI sharing strategy for CLFSC-RTI, despite its applications in many sectors and its potential capacity to improve supply chain (SC) performance; (ii) no study investigates the CLFSC-RTI design problem under uncertainty, although facility location or uncertainty can together impact SC efficiency; and (iii) risk management of CLFSC-RTI under disruptions remains unexplored. To address these research gaps, this thesis investigates three novel CLFSC-RTI management problems.
Firstly, a new integrated production and transportation CLFSC problem with RTI sharing is investigated, in which multiple manufacturers and retailers are considered. The problem consists of determining production, transportation, and inventory quantities over a time horizon to maximize the total profit of the SC. For the problem, a mixed-integer linear programming (MILP) model is formulated, and a two-phase heuristic algorithm is developed. Experiments on a case study and 225 randomly generated instances are conducted to evaluate the performance of the proposed model and algorithm.
Secondly, an uncertain CLFSC-RTI design problem with multiple manufacturers and retailers is studied, in which only partial information about the uncertain parameters is assumed to be available, i.e., the mean, standard deviation, and lower and upper bounds of the uncertain parameters. The problem consists of determining the locations of manufacturers and coordinating food and RTI flows simultaneously. The objective is to minimize the total expected operational cost from a worst-case perspective. For the problem, a distributionally robust chance-constrained programming (DRCCP) model is constructed. Based on the obtained problem properties, the DRCCP model is approximately transformed into an MILP model. Subsequently, an improved Lagrangian relaxation algorithm is designed. Experiments on 160 randomly generated instances demonstrate the performance of the proposed model and algorithm. Finally, managerial insights are derived via sensitivity analysis.
Thirdly, a new three-echelon CLFSC-RTI resilience improvement problem with human-machine reconciliation and RTI inventory redundancy strategies is investigated, in which uncertain demand, and uncertain production and handling capacities caused by disruption events are assumed to be represented by moment-based ambiguity sets. The problem consists of optimally determining resilience strategies and efficiently coordinating product and RTI flows. The objective is to minimize the total expected operational cost from a worst-case perspective. The problem is formulated by a new DRCCP model. Based on the obtained problem properties, the proposed model is then equivalently transformed into an MILP model. A case study is conducted to provide valuable managerial insights. To handle large-scale instances, an improved relax-and-fix (RF) algorithm is developed. Experimental results on 240 randomly generated instances demonstrate the performance of the improved RF algorithm.
- Date : mercredi 25/06/2025, 14h30
- Lieu : Salle 334 du bâtiment IBGBI Université Évry Paris-Saclay. La séance est également diffusée en ligne, via le lien : https://univ-evry-fr.zoom.us/j/98096729795?pwd=QbFz5VgZvpM5wmQN0e7trGlkFlrazz.1
- Doctorant : Ding CHEN, Université Évry Paris-Saclay, IBISC équipe AROBAS
- Direction de thèse : Feng CHU (PR Univ. Évry, IBISC équipe AROBAS, directrice de thèse), Lijun TIAN (Professeure, Université Fuzhou, Co-directrice de thèse)
